ÖZETBiyoloji, tıp ve sosyal bilim dallarındaki araştırmalarda ölçülenkarakterlerin bazen kalitatif (nicel) olması nedeniyle, elde edilen kesikli degişkenlerinanalizinde bilinen parametrik metotlar elverişli olmamaktadır. Bu özellikteki verilerçapraz-sımflanmış tablolar şeklinde tak.dim edilir. Çapraz slnlflandmlmış kategorikverilerin iki-boyutlu olması durumunda Pearson'un r istatistiği ve G2 olabilirlik-oranistatistiği kullanılmaktadır. Bir çok dı.ırwnda bir sonuca tesir edenfaktör sayısz ikidenfazladır. Bu nedenle yaygın olarak kullanılan çapraz-sınıflandırılmıştablolar çokboyut/udur. Çok boyutlu tabloların analizi için; }- çok boyutlu tablodan elde edilecektüm iki boyuııu marjinal tabloların ayrı ayrı analiz edilmesi, 2- çok boyutlu tablolaralog-linear nwdellerin uydurulması şeklinde iki yol vardır.Üç faktörlü çapraz-sıniflandırılmışverilerin analizinde; mümkün olan ikifaktörlü marjinal tabloların elde edilerek ayrı ayrı klasik r testinin uygulanması, tümikili ilişkilerin aynı zamanda denenmelerine müsaade etmedigi gibi üç faktörinteraksiyonunu da ihmal eder. Bundnn dolayı bu çalışmada, log-linear yaklaşımınınözellikleri ve uygulanması üzerinde durul~tıu.FITTING THE LOG-LINEAR MODELS TO THREE - DIMENSIONALCROSS-CLASSIFIED CATEGORICAL DATASUMMARYSame parametric methods of analysis are not convenientforrıon-normal-discretedata obtainedfrom social, biological and medical research. Thistype of data generally are presented in the cross-classified categorical table. Wellknow Pearson's X2 and likelihood-ratio G2 sıatistics can be usedfor the analysis oftwo-way contingency tables. In man)' cases a researcher deals with rrwre than twofactars effect on response variable. For this reason, there are two different procedures for the analysis ofmultidimensional tables: 1- Separate analysis ofall possible twoby two tables obtainedfrom mu1tidimensional tables. 2- Fitting the log-linear modelsdi.rectly to multidimensional tables.The analysis ofthree-dimensional caıegorica! tables by speraıing aLL possibletwo by two marjinal tables is not satisfactory. Although such approch sometimesgives limited insight about the relationships among the variables, does Mt allow forthe simultaneous examination of these pairwise relationships and ignores thepossibility ofthreejactor interactions among the variables. Therifore the features andapplications oflog-linear models fitting approach were discussed in the detail on this study.